人工智能基础知识

核心术语篇

本篇介绍了100个人工智能相关的基础概念和核心框架，涵盖了人工智能的三个理论发展阶段（弱人工智能、强人工智能、超人工智能），以及符号主义、连接主义、行为主义等早期流派，并详细解释了机器学习、深度学习等核心技术，包括监督学习、无监督学习、强化学习等机器学习方法，以及卷积神经网络、循环神经网络、Transformer等深度学习模型。

常见知识问答篇

本篇以70个问答形式，深入浅出地介绍了人工智能的历史与发展、主要应用领域、核心技术、未来趋势、产业特征、全球产业发展阶段与特征、产业发展经验教训、我国人工智能产业的战略定位、重点发展方向、数据与算力需求、成本构成、部署方式、偏见与公平性解决方法、算力调度策略、算力基础设施构成要素、基础算力、智算、超算和新一代算力的关系与应用场景、人工智能发展史上的关键里程碑、多模态数据标注方法、AI智能体的概念、特征、类型、设计模式与构建方法、人工智能发展安全风险、我国应对人工智能发展风险的措施、大模型幻觉现象、开源大模型、中小企业算力应用、大模型训练资源需求、大模型成本构成与降低方法、大模型部署方式、大模型偏见与公平性解决方法、算力调度的核心挑战与常见策略、算力基础设施的核心特征与构成要素、基础算力、智算、超算和新一代算力的应用场景、人工智能发展史上的关键里程碑、多模态数据标注方法、AI智能体的概念、特征、类型、设计模式与构建方法、人工智能发展安全风险、我国应对人工智能发展风险的措施、大模型幻觉现象、开源大模型、中小企业算力应用、大模型训练资源需求、大模型成本构成与降低方法、大模型部署方式、大模型偏见与公平性解决方法、算力调度的核心挑战与常见策略、算力基础设施的核心特征与构成要素、基础算力、智算、超算和新一代算力的应用场景。